Frameworks

Quarkus LangChain4j

Soumis par fredericmazue le

Quarkus LangChain4j est une extention à Quarkus basée sur la bibliothèque LangChain4J, la réimplémentation Java de la bibliothèque langchain. Cette dernière ayant initialement été implémentée en Python et JavaScript. Cette extension permet aux développeurs d'intégrer des modèles de langage étendus (LLM) dans leurs applications Quarkus.

Les modèles de langage étendus (LLM) sont des systèmes basés sur l'IA conçus pour comprendre, générer et manipuler le langage humain, présentant des capacités avancées de traitement du langage naturel. L'extension Quarkus LangChain4j intègre de manière transparente les LLM dans les applications Quarkus, permettant ainsi d'exploiter les capacités LLM pour le développement d'applications plus intelligentes.

Quarkus LangChain4j propose une approche déclarative pour interagir avec divers LLM comme OpenAI, Hugging Face ou Ollama. Elle facilite l'invocation de fonctions LLM dans les applications Quarkus et permet le chargement de documents dans le « contexte » LLM.

Voici une liste non exhaustive des fonctionnalités actuellement prises en charge :

  • Services d'IA déclarative
  • Intégration avec divers LLM (OpenAI GPTs, Hugging Faces, Ollama...)
  • Prise en charge des outils
  • Prise en charge de l'intégration
  • Intégration du magasin de documents (Redis, Chroma...)
  • Prise en charge de la compilation native
  • Intégration avec la pile d'observabilité Quarkus (métriques, tracing...)

Quarkus LangChain4j connaît un développement rapide, avec des sorties presque hebdomadaires. La version au moment où nous écrivons ces lignes est 0.5.1. La toite première version (0.1) est sortie mi-novembre 2023.

Quarkus LangChain4j est un logiciel libre sous licence Apache 2.0, disponible sur GitHub.

PocketBase un back-end qui tient dans un seul fichier

Soumis par fredericmazue le

PocketBase est un backend open source écrit en Go. Il peut être utilisé pour des applications SaaS ou mobiles. Il est composé de la base de données intégrée SQLite (sans toutefois nécessiter CGO) avec abonnements en temps réel, d'une gestion intégrée des fichiers et des utilisateurs, d'un tableau de bord d'administration et d'une API REST simple.

Le moyen le plus simple d'interagir avec l'API est d'utiliser l'un des clients officiels du SDK :

  • JavaScript - pocketbase/js-sdk (navigateur et nœud)
  • Dart - pocketbase/dart-sdk (web, mobile, ordinateur de bureau)

PocketBase peut être téléchargé directement en tant qu'application autonome ou il peut être utilisé comme framework/boîte à outils Go qui vous permet de créer votre propre logique métier spécifique à une application personnalisée tout en conservant un seul exécutable portable à la fin.

Les concepteurs de PocketBase soulignent que celui-ci est toujours en développement actif et que la compatibilité ascendante totale n'est donc pas garantie avant d'atteindre la version 1.0.0.

PocketBase est un logiciel libre sous licence MIT, disponible sur GitHub.

PocketBase est documenté sur son site officiel pocketbase.io, site qui propose également une démonstration de l'outil.

[video:https://www.youtube.com/watch?v=kOOj3FY8w94 autoplay:0]

Google AI SDK for Android

Soumis par fredericmazue le

Google a récemment lancé son intelligence artificielle Gemini concurrente de GTP-4. Peu importe que la presentation qui a été faite soit sujette à caution, Google veut maintenant voir Gemini partout, y compris au sein des applications Android. Pour cette raison Google a publié Google AI SDK for Android a l'intention des développeurs Android.

Le SDK client Google AI pour Android permet aux développeurs d'utiliser les modèles d'IA génératifs de Google, dont bien sûr Gemini, pour créer des fonctionnalités et des applications basées sur l'IA. Ce SDK prend en charge des cas d'utilisation tels que :

  • Générer du texte à partir d'une saisie de texte uniquement
  • Générer du texte à partir de la saisie de texte et d'images (multimodal)
  • Construire des conversations à plusieurs tours (chat)

Par exemple, avec seulement quelques lignes de code, vous pouvez accéder aux capacités multimodales de Gemini pour générer du texte à partir d'une saisie de texte et d'image :

val generativeModel = GenerativeModel(
    modelName = "gemini-pro-vision",
    apiKey = BuildConfig.apiKey
)

val cookieImage: Bitmap = // ...
val inputContent = content() {
  image(cookieImage)
  text("Does this look store-bought or homemade?")
}

val response = generativeModel.generateContent(inputContent)
print(response.text)

Google AI SDK for Android est un logiciel libre sous licence Apache 2.0, disponible sur GitHub.

Microsoft Graph Java SDK v6 RC

Soumis par fredericmazue le

Le SDK Microsoft Graph Java est une bibliothèque client qui vous permet de vous connecter et de récupérer des données à partir de l'un des services Microsoft pris en charge disponibles sur l'API Microsoft Graph. Microsoft vient d'annoncer la version candidate du SDK Microsoft Graph Java version 6.0. Cette nouvelle version de la bibliothèque client est générée à l'aide de Kiota - nouveau générateur de code - et permet de fournir une API cohérente et fluide sur différentes plates-formes et de nouvelles fonctionnalités pour améliorer l'expérience de développement.

Microsoft assure que grâce au style API fluide, vous pouvez écrire du code clair, concis et expressif. Vous pouvez également éviter les erreurs et les fautes de frappe en utilisant la fonction de saisie semi-automatique de votre IDE. Le style API fluide facilite la maintenance et le débogage de votre code. Vous pouvez enchaîner des méthodes et des propriétés pour créer des requêtes et accéder aux ressources de manière cohérente. Le style d'API fluide correspond à la syntaxe de l'API REST de Microsoft Graph et facilite le basculement entre le SDK et les requêtes HTTP brutes.

Il est a remarquer que la nécessité d'utiliser buildRequest() pour chaque appel appartient désormais au passé, améliorant ainsi la lisibilité du code en le rendant plus propre. En plus de cela, vous disposez désormais de getters et de setters pour accéder et manipuler les valeurs des champs de classes.

Soit le code d' une demande de publication utilisant la version v5.

    User user = new User(); 
    user.displayName = "displayName"; 
    user.userPrincipalName = "email@contoso.onmicrosoft.com"; 

   graphClient
      .users()
      .buildRequest()
      .post(user);

Désormais, les utilisateurs du SDK peuvent simplement s’en tenir au point et n’avoir que du code qui signifie quelque chose :

    User user = new User();
    user.setDisplayName("displayName");
    user.setMail("email@contoso.onmicrosoft.com");

    graphClient
      .users()
      .post(user);

Spring Boot 3.2 prend en charge les threads virtuels de Java

Soumis par fredericmazue le

L'équipe de Spring a annoncé la disponibilité de Spring Boot 3.2. Pour mémoire, Spring Boot facilite la création d'applications Spring autonomes de qualité production que vous pouvez "exécuter simplement".

La nouveauté la plus remarquable de cette version est le support des threads virtuels de Java 21. Ce support doit être activé explicitement en positionnant la propriété. spring.threads.virtual.enabled à true.

Une autre nouvelle fonctionnalité remarquable est la prise en charge de la JVM à partir de point de restauration. Cette fonctionnalité est liée au projet CRaC (Cooperative Restore at Checkpoint) d'OpenJDK. Pour mémoire le projet CRaC (Cooperative Restore at Checkpoint) étudie la coordination des programmes Java avec des mécanismes permettant de vérifier (créer une image, un instantané) une instance Java pendant son exécution.

MLX : un outil d'intelligence artificielle open source pour Apple Silicon

Soumis par fredericmazue le

Sans tambour ni trompette, Apple a publié MLX, un framework en Python pour l'apprentissage automatique sur Apple Silicon. Ce framework est proposé par Apple machine learning research.

MLX est conçu par des chercheurs en apprentissage automatique pour des chercheurs en apprentissage automatique. Le framework se veut convivial, mais toujours efficace pour former et déployer des modèles. La conception du cadre lui-même est également simple sur le plan conceptuel. Apple a l’intention de permettre aux chercheurs d’étendre et d’améliorer facilement MLX dans le but d’explorer rapidement de nouvelles idées.

La conception de MLX s'inspire de frameworks comme NumPy, PyTorch, Jax et ArrayFire .

MLX est un logiciel libre sous licence MIT disponible sur GitHub.

Django 5.0

Soumis par fredericmazue le

Django est un framework de développement web en Python. Il a pour but de rendre le développement web 2.0 simple et rapide (comme tous les frameworks de développement web ;-) Le slogan du projet Django est 'Le framework pour les perfectionnistes avec des deadlines'. Django vient de sortir en version 5.0

Il s'agit d'une version majeure du framework, qui, selon les reponsables du projet, contient, un déluge de nouvelle fonctuionnalités intéressantes. Les points fort le splus notables, toujours selon les responsables du projet, sont :

  • Les valeurs par défaut calculées par la base de données permettent de définir des valeurs par défaut pour modéliser les champs.
  • Poursuivant la tendance à l'expansion de Django ORM, le champ de modèle généré permet la création de colonnes générées par la base de données.
  • Le concept de groupe de champs a été ajouté au système de modèles pour simplifier le rendu des champs de formulaire .

Django 5.0 prend en charge Python 3.10, 3.11 et 3.12. La série Django 4.2.x est la dernière à prendre en charge Python 3.8 et 3.9.

La note de version complète de Django 5.0 est ici.

Django est un logiciel libre sous licence BSD, disponible sur GitHub.

[video:https://www.youtube.com/watch?v=lPl5Q5gv9G8 autoplay:0]

SDK AWS pour Rust

Soumis par fredericmazue le
Image

AWS a publié un SDK pour le langage Rust. Ce SDK fournit des API Rust pour interagir avec les services d'infrastructure Amazon Web Services. À l'aide du SDK, vous pouvez créer des applications sur Amazon S3, Amazon EC2, DynamoDB, etc.

Ce SDK AWS pour Rust utilise des fonctionnalités modernes du langage Rust telles que l'async/wait, les E/S non bloquantes et les générateurs. Le SDK s'intègre également aux bibliothèques populaires de l'écosystème Rust telles que Tokio, Tracing et Hyper. Il est conçu pour être rapide, avec des sérialiseurs et des désérialiseurs qui minimisent les copies et les allocations inutiles. 

Ce SDK est également conçu pour être extensible. Ainsi il dispose d'une pile middleware composable utilisée pour exécuter chaque opération d'API de service. Cette pile permet personnaliser le SDK pour prendre en charge des cas d'utilisation avancés, tels que la télémétrie personnalisée, la journalisation et l'authentification.

Le SDK AWS pour Rust est documenté ici.

ML.NET 3.0

Soumis par admin le

ML.NET est un framework d'apprentissage automatique multi plates-formes open source destiné aux développeurs .NET qui permet l'intégration de modèles d'apprentissage automatique personnalisés dans des applications .NET. ML.NET vient de sortir en version 3.0

Détection d'objet

Cette version apporte la detection d'objet. Une fonctionnalité qui s'appuie sur les API de détection d'objets basées sur TorchSharp. Sous le capot, l'API de détection d'objets exploite certaines des dernières techniques de Microsoft Research et s'appuie sur une architecture de réseau neuronal basée sur Transformer et construite avec TorchSharp.

Accélération matérielle

ML.Net 3.0 vient avec la bibliothèque Intel oneDAL (Intel oneAPI Data Analytics Library) Cette bibliothèque permet d'accélérer l'analyse des données en fournissant des éléments de base algorithmiques hautement optimisés pour toutes les étapes du processus d'analyse des données et d'apprentissage automatique. Intel oneDAL utilise les extensions SIMD dans les architectures 64 bits, présentes dans les processeurs Intel et AMD.

Reconnaissance d'entité nommée et réponse aux questions

Le traitement du langage naturel est l’un des besoins de ML les plus courants dans les logiciels, souligne Microsoft. Deux des domaines d'avancement les plus importants en PNL sont la réponse aux questions (QA) et la reconnaissance d'entités nommées (NER). Ces deux scénarios sont débloqués dans ML.NET 3.0 en s'appuyant sur les fonctionnalités de classification de texte TorchSharp RoBERTa existantes introduites dans ML.NET 2.0.

Microsoft ouvre le code de Azure RTOS qui devient Eclipse ThreadX

Soumis par fredericmazue le

Microsoft a annoncé l'ouvertue du code d'Azure RTOS  qui est une suite de développement intégrée avec le système d'exploitation en temps réel ThreadX. Ainsi Azure RTOS passeà un modèle open source sous la direction de la Fondation Eclipse, qui est reconnue dans l’hébergement de projets IoT open source.

Dans la foulée Azure RTOS est rebaptisé et devient Eclipse ThreadX.

"Un RTOS Open Source indépendant du fournisseur, certifié pour les applications critiques en matière de sécurité et publié sous une licence permissive, change la donne dans l'industrie et nous sommes ravis de contribuer au développement de la communauté ThreadX." A déclaré pour l'occasion Mike Milinkovich, directeur exécutif, Fondation Eclipse.